Pendahuluan - eimukdas.files.wordpress.com · Dengan adanya DSS, ... Makalah yang kami susun berikut ini menjelaskan suatu database yang biasa ... Contoh pada lingkungan operasional

1

Pendahuluan

Decision Support System merupakan suatu sistem yang berfungsi sebagai

penunjang keputusan. Dengan adanya DSS, pekerjaan dari para pengambil

keputusan akan lebih terbantu secara signifikan.

Makalah yang kami susun berikut ini menjelaskan suatu database yang biasa

digunakan sebagai pengambil keputusan yaitu data warehouse. Dikarenakan

banyak organisasi atau perusahaan kurang dapat menggunakan database

operasional dalam mendukung secara langsung pengambilan keputusan.

Penyusun sadar dalam penulisan makalah ini terdapat banyak kekurangan,

oleh karena itu, kami menerima saran dan kritik yang membangun agar

dikemudian hari kami dapat menyusun suatu makalah dengan lebih baik lagi.

Jakarta 3 November 2006

Penyusun,

Irfan Gustiarahman

2

Daftar Isi

Pendahuluan ............................................................................................... 1

Daftar Isi ..................................................................................................... 2

BAB I ........................................................................................................... 3

Definisi Data Warehouse ........................................................................... 3

I.1. Pengertian Data, Informasi dan Database ........................................... 3

I.2. Pengertian Data Warehouse ............................................................... 4

I.3. Istilah-istilah yang berhubungan dengan data warehouse .................... 5

I.4. Karakteristik Data Warehouse ............................................................ 6

BAB. II ...................................................................................................... 11

Kegunaan Data Warehouse ..................................................................... 11

II.1 Perlunya Data Warehouse................................................................ 11

II.2 Tugas-tugas Data warehouse ........................................................... 11

II.3. Keuntungan Data Warehouse.......................................................... 13

BAB III ...................................................................................................... 15

Membangun Data Warehouse ................................................................. 15

III.1. Menentukan Bentuk Data Warehouse ............................................. 15

III.2. Anatomi Data Warehouse .............................................................. 15

III.3 Arsitektur dan Infrastruktur Data Warehouse ................................... 18

III.4. Struktur Data Warehouse .............................................................. 22

III.5 Metodologi Perancangan Database untuk Data Warehouse ............... 25

III.6. Model untuk Data Warehouse ........................................................ 28

III.6.1. Model Dimensional ..................................................................... 28

BAB IV ....................................................................................................... 35

Hubungan Data Warehouse Dengan DSS ............................................... 35

IV.1. Definisi Decision Support System .................................................... 35

IV.2. Hubungan antar DSS dengan Data Warehouse ................................ 36

IV.3. Contoh Data Warehouse Yang Ada ................................................. 36

Bab V ......................................................................................................... 37

Kesimpulan dan Penutup ......................................................................... 37

V.1. Kesimpulan .................................................................................... 37

Daftar Pustaka.......................................................................................... 38

3

BAB I

Definisi Data Warehouse

I.1. Pengertian Data, Informasi dan Database

Sebelum kita membahas tentang data warehouse, hal yang harus

dipahami terlebih dahulu yaitu pengertian tentang data,informasi dan

database.

Menurut Steven Alter, data merupakan fakta,gambar atau suara yang

mungkin atau tidak berhubungan atau berguna bagi tugas tertentu.

Menurut McLeod, data terdiri dari fakta-fakta dan angka yang secara

relatif tidak berarti bagi pemakai. Sedangkan informasi adalah data yang

sudah diproses atau data yang memiliki arti.

Disini kita dapat melihat bahwa data merupakan suatu bentuk

keterangan-keterangan yang belum diolah atau dimanipulasi sehingga belum

begitu berarti bagi sebagian pemakai. Sedangkan informasi merupakan data

yang sudah di olah sehingga memiliki arti.

Menurut James A. O’Brien Database adalah suatu koleksi terintegrasi

dimana secara logika berhubungan dengan record dari file.

Menurut Fatansyah, Database adalah kumpulan data yang saling

berhubungan yang disimpan secara bersama sedemikian rupa dan tanpa

pengulangan(redudansi) yang tidak perlu, untuk memenuhi berbagai

kebutuhan.

4

Jadi Database adalah tempat penyimpanan data yang saling

berhubungan secara logika, sehingga bisa digunakan untuk mendapatkan

suatu informasi yang diperlukan oleh suatu organisasi atau perusahaan.

Sedangkan data yang diperoleh suatu organisasi atau perusahaan

umumnya didapat dari kegiatan operasional sehari-hari atau hasil dari

transaksi.

Dari perkembangan model database, muncullah apa yang disebut

dengan data warehouse.

I.2. Pengertian Data Warehouse

Pengertian Data Warehouse dapat bermacam-macam namun

mempunyai inti yang sama, seperti pendapat beberapa ahli berikut ini :

Menurut W.H. Inmon dan Richard D.H., data warehouse adalah koleksi

data yang mempunyai sifat berorientasi subjek,terintegrasi,time-variant, dan

bersifat tetap dari koleksi data dalam mendukung proses pengambilan

keputusan management.

Menurut Vidette Poe, data warehouse merupakan database yang bersifat

analisis dan read only yang digunakan sebagai fondasi dari sistem penunjang

keputusan.

Menurut Paul Lane, data warehouse merupakan database relasional

yang didesain lebih kepada query dan analisa dari pada proses transaksi,

biasanya mengandung history data dari proses transaksi dan bisa juga data

dari sumber lainnya. Data warehouse memisahkan beban kerja analisis dari

beban kerja transaksi dan memungkinkan organisasi menggabung/konsolidasi

data dari berbagai macam sumber.

5

Jadi, data warehouse merupakan metode dalam perancangan database,

yang menunjang DSS(Decission Support System) dan EIS (Executive

Information System). Secara fisik data warehouse adalah database, tapi

perancangan data warehouse dan database sangat berbeda. Dalam

perancangan database tradisional menggunakan normalisasi, sedangkan pada

data warehouse normalisasi bukanlah cara yang terbaik.

Dari definisi-definisi yang dijelaskan tadi, dapat disimpulkan data

warehouse adalah database yang saling bereaksi yang dapat digunakan untuk

query dan analisisis, bersifat orientasi subjek, terintegrasi, time-variant,tidak

berubah yang digunakan untuk membantu para pengambil keputusan.

I.3. Istilah-istilah yang berhubungan dengan data

warehouse

Istilah-istilah yang berkaitan dengan data warehouse :

1. Data Mart

Adalah suatu bagian pada data warehouse yang mendukung

pembuatan laporan dan analisa data pada suatu unit, bagian atau

operasi pada suatu perusahaan.

2. On-Line Analytical Processing(OLAP)

Merupakan suatu pemrosesan database yang menggunakan tabel fakta

dan dimensi untuk dapat menampilkan berbagai macam bentuk

laporan, analisis, query dari data yang berukuran besar.

3. On-Line Transaction Processing(OLTP)

Merupakan suatu pemrosesan yang menyimpan data mengenai

kegiatan operasional transaksi sehari-hari.

4. Dimension Table

6

Tabel yang berisikan kategori dengan ringkasan data detail yang dapat

dilaporkan. Seperti laporan laba pada tabel fakta dapat dilaporkan

sebagai dimensi waktu(yang berupa perbulan, perkwartal dan

pertahun).

5. Fact Table

Merupakan tabel yang umumnya mengandung angka dan data history

dimana key (kunci) yang dihasilkan sangat unik, karena key tersebut

terdiri dari foreign key(kunci asing) yang merupakan primary key

(kunci utama) dari beberapa dimension table yang berhubungan.

6. DSS

Merupkan sistem yang menyediakan informasi kepada pengguna yang

menjelaskan bagaimana sistem ini dapat menganalisa situasi dan

mendukung suatu keputusan yang baik.

I.4. Karakteristik Data Warehouse

Karakteristik data warehouse menurut Inmon, yaitu :

1. Subject Oriented (Berorientasi subject)

Data warehouse berorientasi subject artinya data warehouse didesain

untuk menganalisa data berdasarkan subject-subject tertentu dalam

organisasi,bukan pada proses atau fungsi aplikasi tertentu.

Data warehouse diorganisasikan disekitar subjek-subjek utama dari

perusahaan(customers,products dan sales) dan tidak diorganisasikan

pada area-area aplikasi utama(customer invoicing,stock control dan

product sales). Hal ini dikarenakan kebutuhan dari data warehouse

untuk menyimpan data-data yang bersifat sebagai penunjang suatu

keputusan, dari pada aplikasi yang berorientasi terhadap data.

7

Jadi dengan kata lain, data yang disimpan adalah berorientasi kepada

subjek bukan terhadap proses. Secara garis besar perbedaan antara

data operasional dan data warehouse yaitu :

Data Operasional Data Warehouse

Dirancang berorientasi hanya

pada aplikasi dan fungsi tertentu

Dirancang berdasar pada subjek-

subjek tertentu(utama)

Focusnya pada desain database

dan proses

Focusnya pada pemodelan data

dan desain data

Berisi rincian atau detail data Berisi data-data history yang akan

dipakai dalam proses analisis

Relasi antar table berdasar aturan

terkini(selalu mengikuti

rule(aturan) terbaru)

Banyak aturan bisnis dapat tersaji

antara tabel-tabel

2. Integrated (Terintegrasi)

Data Warehouse dapat menyimpan data-data yang berasal dari

sumber-sumber yang terpisah kedalam suatu format yang konsisten

dan saling terintegrasi satu dengan lainnya. Dengan demikian data

tidak bisa dipecah-pecah karena data yang ada merupakan suatu

kesatuan yang menunjang keseluruhan konsep data warehouse itu

sendiri.

Syarat integrasi sumber data dapat dipenuhi dengan berbagai cara

sepeti konsisten dalam penamaan variable,konsisten dalam ukuran

variable,konsisten dalam struktur pengkodean dan konsisten dalam

atribut fisik dari data.

Contoh pada lingkungan operasional terdapat berbagai macam aplikasi

yang mungkin pula dibuat oleh developer yang berbeda. Oleh karena

itu, mungkin dalam aplikasi-aplikasi tersebut ada variable yang

memiliki maksud yang sama tetapi nama dan format nya berbeda.

8

Variable tersebut harus dikonversi menjadi nama yang sama dan

format yang disepakati bersama. Dengan demikian tidak ada lagi

kerancuan karena perbedaan nama, format dan lain sebagainya.

Barulah data tersebut bisa dikategorikan sebagai data yang terintegrasi

karena kekonsistenannya.

3. Time-variant (Rentang Waktu)

Seluruh data pada data warehouse dapat dikatakan akurat atau valid

pada rentang waktu tertentu. Untuk melihat interval waktu yang

digunakan dalam mengukur keakuratan suatu data warehouse, kita

dapat menggunakan cara antara lain :

Integrasi Data Warehouse Sumber :

http://www.cait.wustl.edu/papers/prism/vol1_no1/integration/home.html

9

Cara yang paling sederhana adalah menyajikan data warehouse

pada rentang waktu tertentu, misalnya antara 5 sampai 10

tahun ke depan.

Cara yang kedua, dengan menggunakan variasi/perbedaan

waktu yang disajikan dalam data warehouse baik implicit

maupun explicit secara explicit dengan unsur waktu dalam hari,

minggu, bulan dsb. Secara implicit misalnya pada saat data

tersebut diduplikasi pada setiap akhir bulan, atau per tiga bulan.

Unsur waktu akan tetap ada secara implisit didalam data

tersebut.

Cara yang ketiga,variasi waktu yang disajikan data warehouse

melalui serangkaian snapshot yang panjang. Snapshot

merupakan tampilan dari sebagian data tertentu sesuai

keinginan pemakai dari keseluruhan data yang ada bersifat

read-only.

4. Non-Volatile

Time Variancy

Operasional Data Warehouse

Current value data: - time horizon :60-90

days

- key may or may not have an element of time

- data can be update

Snapshot data: - time horizon :5-10 years - key contain an element of

time - once snapshot is created,

record cannot be update

Time Variance Data Warehouse Sumber :

http://www.cait.wustl.edu/papers/prism/vol1_no1/time_variance/home.html

10

Karakteristik keempat dari data warehouse adalah non-

volatile,maksudnya data pada data warehouse tidak di-update secara

real time tetapi di refresh dari sistem operasional secara reguler. Data

yang baru selalu ditambahkan sebagai suplemen bagi database itu

sendiri dari pada sebagai sebuah perubahan. Database tersebut secara

kontinyu menyerap data baru ini, kemudian secara incremental

disatukan dengan data sebelumnya.

Berbeda dengan database operasional yang dapat melakukan

update,insert dan delete terhadap data yang mengubah isi dari

database sedangkan pada data warehouse hanya ada dua kegiatan

memanipulasi data yaitu loading data (mengambil data) dan akses

data (mengakses data warehouse seperti melakukan query atau

menampilan laporan yang dibutuhkan, tidak ada kegiatan updating

data).

Non Volatile Data Warehouse Sumber :

http://www.cait.wustl.edu/papers/prism/vol1_no1/nonvolatile/home.html

11

BAB. II

Kegunaan Data Warehouse

II.1 Perlunya Data Warehouse

Seperti pengertian-pengertian yang kita sebutkan sebelumnya, data

warehouse diperlukan bagi para pengambil keputusan manajemen dari suatu

organisasi/perusahaan.

Dengan adanya data warehouse, akan mempermudah pembuatan

aplikasi-aplikasi DSS dan EIS karena memang kegunaan dari data warehouse

adalah khusus untuk membuat suatu database yang dapat digunakan untuk

mendukung proses analisa bagi para pengambil keputusan.

II.2 Tugas-tugas Data warehouse

Ada empat tugas yang bisa dilakukan dengan adanya data warehouse

Menurut Williams, keempat tugas tersebut yaitu:

a. Pembuatan laporan

Pembuatan laporan merupakan salah satu kegunaan data warehouse

yang paling umum dilakukan. Dengan menggunakan query sederhana

didapatkan laporan perhari,perbulan, pertahun atau jangka waktu

kapanpun yang diinginkan.

b. On-Line Analytical Processing (OLAP)

Dengan adanya data warehouse,semua informasi baik detail maupun

hasil summary yang dibutuhkan dalam proses analisa mudah didapat.

OLAP mendayagunakan konsep data multi dimensi dan memungkinkan

para pemakai menganalisa data sampai mendetail, tanpa mengetikkan

satupun perintah SQL. Hal ini dimungkinkan karena pada konsep multi

12

dimensi, maka data yang berupa fakta yang sama bisa dilihat dengan

menggunakan fungsi yang berbeda. Fasilitas lain yang ada pada

sofware OLAP adalah fasilitas rool-up dan drill-down. Drill-down adalah

kemampuan untuk melihat detail dari suatu informasi dan roll-up

adalah kebalikannya.

c. Data mining

Data mining merupakan proses untuk menggali(mining) pengetahuan

dan informasi baru dari data yang berjumlah banyak pada data

warehouse, dengan menggunakan kecerdasan buatan (Artificial

Intelegence), statistik dan matematika. Data mining merupakan

teknologi yang diharapkan dapat menjembatani komunikasi antara

data dan pemakainya.

Beberapa solusi yang diberikan data mining antara lain :

1. Menebak target pasar

Data mining dapat mengelompokkan (clustering) model-model

pembeli dan melakukan klasifikasi terhadap setiap pembeli dan

melakukan klasifikasi terhadap setiap pemebeli sesuai dengan

karakteristik yang diinginkan.

2. Melihat pola beli dari waktu ke waktu

Data mining dapat digunakan untuk melihat pola beli dari waktu ke

waktu.

3. cross-market analysis

Data mining dapat dimanfaatkan untuk melihat hubungan antara

satu produk dengan produk lainnya.

4. Profil pelanggan

Data mining bisa membantu pengguna untuk melihat profil pembeli

sehingga dapat diketahui kelompok pembeli tertentu cenderung

kepada suatu produk apa saja.

5. Informasi summary

13

Data mining dapat membuat laporan summary yang bersifat multi

dimensi dan dilengkapi dengan informasi statistik lainnya.

d. Proses informasi executive

Data warehouse dapat membuat ringkasan informasi yang penting

dengan tujuan membuat keputusan bisnis, tanpa harus menjelajahi

keseluruhan data. Dengan menggunakan data warehouse segala

laporan telah diringkas dan dapat pula mengetahui segala rinciannya

secara lengkap, sehingga mempermudah proses pengambilan

keputusan. Informasi dan data pada laporan data warehouse menjadi

target informative bagi user.

II.3. Keuntungan Data Warehouse

Data warehouse merupakan pendekatan untuk menyimpan data

dimana sumber-sumber data yang heterogen(yang biasanya tersebar pada

beberapa database OLTP) dimigrasikan untuk penyimpanan data yang

homogen dan terpisah. Keuntungan yang didapatkan dengan menggunakan

data warehouse tersebut dibawah ini (Ramelho).

Data diorganisir dengan baik untuk query analisis dan sebagai

bahan untuk pemrosesan transaksi.

Perbedaan diantara struktur data yang heterogen pada beberapa

sumber yang terpisah dapat diatasi.

Aturan untuk transformasi data diterapkan untuk memvalidasi dan

mengkonsolidasi data apabila data dipindahkan dari database OLTP

ke data warehouse.

Masalah keamanan dan kinerja bisa dipecahkan tanpa perlu

mengubah sistem produksi.

14

Membangun data warehouse tentu saja memberikan keuntungan lebih bagi

suatu perusahaan, karena data warehouse dapat memberikan keuntungan

strategis pada perusahaan tersebut melebihi pesaing-pesaing mereka.

Keuntungan tersebut diperoleh dari beberapa sumber (Sean Nolan,Tom

Huguelet):

Kemampuan untuk mengakses data yang besar

Kemampuan untuk memiliki data yang konsistent

Kemampuan kinerja analisa yang cepat

Mengetahui adanya hasil yang berulang-ulang

Menemukan adanya celah pada business knowledge atau business

process.

Mengurangi biaya administrasi

Memberi wewenang pada semua anggota dari perusaahan dengan

menyediakan kepada mereka informasi yang dibutuhkan agar kinerja

bisa lebih efektif.

15

BAB III

Membangun Data Warehouse

III.1. Menentukan Bentuk Data Warehouse

Data warehouse memiliki berbagai macam bentuk yang sering

digunakan. Jadi sebelum membangun suatu data warehouse kita harus

memutuskan bentuk data warehouse seperti apa yang dibutuhkan oleh

aplikasi yang kita rancang.

III.2. Anatomi Data Warehouse

Penerapan awal dari arsitektur data warehouse dibuat berdasarkan

konsep bahwa data warehouse mengambil data dari berbagai sumber dan

memindahkannya ke dalam pusat pengumpulan data yang besar. Konsep ini

sebenarnya lebih cenderung kepada sebuah lingkungan mainframe yang

terpusat.

Keunggulan teknologi Client Server memungkinkan data warehouse

diterapkan dalam berbagai macam cara untuk menampung kebutuhan

pemakai sistem secara lebih proposional. Dalam suatu kasus, misalkan saja

pemakai tertentu perlu menggabungkan data dari sebuah sistem

pengumpulan data yang statis dengan data dari sistem operasional yang

dinamis hanya dengan sebuah query saja.

Berikut ini adalah tiga jenis dasar sistem Data Warehouse :

1. Functional Data Warehouse (Data Warehouse Fungsional)

Kata operasional disini merupakan database yang diperoleh dari

kegiatan sehari-hari. Data warehouse dibuat lebih dari satu dan

dikelompokkan berdasar fungsi-fungsi yang ada di dalam perusahaan

seperti fungsi keuangan(financial),marketing,personalia dan lain-lain.

16

Keuntungan dari bentuk data warehouse seperti ini adalah, sistem

mudah dibangun dengan biaya relatif murah sedangkan kerugiannya

adalah resiko kehilangan konsistensi data dan terbatasnya kemampuan

dalam pengumpulan data bagi pengguna.

2. Centralized Datawarehouse (Data Warehouse Terpusat)

Bentuk ini terlihat seperti bentuk data warehouse fungsional,

namun terlebih dahulu sumber data dikumpulkan dalam satu tempat

terpusat, kemudian data disebar ke dalam fungsinya masing-masing,

sesuai kebutuhan persuhaan. Data warehouse terpusat ini, biasa

digunakan oleh perusahaan yang belum memiliki jaringan eksternal.

Bentuk data warehouse fungsional

17

Keuntungan dari bentuk ini adalah data benar-benar terpadu

karena konsistensinya yang tinggi sedang kerugiannya adalah biaya

yang mahal serta memerlukan waktu yang cukup lama untuk

membangunnya.

3. Distributed Data Warehouse (Data Warehouse

terdistribusi)

Pada data warehouse terdistribusi ini, digunakan gateway yang

berfungsi sebagai jembatan penghubung antara data warehouse

dengan workstation yang menggunakan sistem beraneka ragam.

Dengan sistem terdistribusi seperti ini memungkinkan perusahaan

dapat mengakses sumber data yang berada diluar lokasi

perusahaan(eksternal).

Bentuk data warehouse terpusat

18

Keuntungannya adalah data tetap konsisten karena sebelum data

digunakan data terlebih dahulu di sesuaikan atau mengalami proses

sinkronisasi. Sedangkan kerugiannya adalah lebih kompleks untuk

diterapkan karena sistem operasi dikelola secara terpisah juga biaya

nya yang paling mahal dibandingkan dengan dua bentuk data

warehouse lainnya.

III.3 Arsitektur dan Infrastruktur Data Warehouse

III.3.1. Arsitekur Data Warehouse

Menurut Poe, arsitektur adalah sekumpulan atau struktur yang

memberikan kerangka untuk keseluruhan rancangan suatu sistem atau

produk. Ada arsitektur client-server,arsitektur networking dan

masih banyak arsitektur lainnya. Arsitektur data menyediakan kerangka

dengan mengidentifikasikan dan memahami bagaimana data akan

pindah melalui sistem dan digunakan dalam perusahaan. Arsitektur

data untuk data warehouse mempunyai komponen utama yaitu read-

only database.

Karakterisitik arsitektur data warehouse (Poe) :

19

1. Data diambil dari sistem asal (sistem informasi yang ada),

database dan file.

2. Data dari sistem asal diintegrasikan dan ditransformasi

sebelum disimpan ke dalam Database Management System

(DBMS) seperti Oracle,Ms SQL Server, Sybase dan masih

banyak yang lainnya.

3. Data warehouse merupakan sebuah database terpisah bersifat

hanya dapat dibaca yang dibuat khusus untuk mendukung

pengambilan keputusan

4. Pemakai mengakses data warehouse melalui aplikasi front end

tool

Arsitektur dan komponen utama dari data warehouse dapat dilihat

pada gambar berikut ini :

20

Sumber : Conolly,T.M.,Begg

a. Operational Data

Sumber data dari data warehouse dapat diambil langsung dari

mainframe, basis data relasional seperti Oracle, Ms SQL server dan

sebagainya. Selain itu dapat melaluo Operational Data Source(ODS).

ODS menampung data yang diekstrak dari sistem utama atau sumber-

sumber data yang ada dan kemudian data hasil ekstrasi tersebut

dibersihkan.

b. Load manager

Load manager juga disebut sebagai komponen front-end yang

bertugas melakukan seluruh operasi yang berhubungan dengan

ekstrasi dan me-load data ke warehouse.

c. Warehouse Manager

Warehouse manager melakukan seluruh operasi-operasi yang

berhubungan dengan kegiatan manajemen data di dalam warehouse.

Operasi-operasi tersebut meliputi :

Analisis terhadap data untuk memastikan konsistensi

Transformasi dan penggabungan sumber data dari tempat

penyimpanan sementara menjadi tabel-tabel data warehouse.

Penciptaan indeks-indeks dan view berdasarkan tabel-tabel

dasar

Melakukan denormalisasi dan agregasi jika diperlukan

Backing-Up dan mengarsipkan data

d. Query manager

Query manager juga disebut komponen back-end, melakukan

operasi-operasi yang berhubungan dengan manajemen user queries.

21

Operasi-operasi yang dilakukan oleh komponen ini termasuk

mengarahkan query kepada tabel-tabel yang tepat dan menjadwalkan

eksekusi dari query tersebut.

e. End-user Access Tools

Prinsip atau tujuan utama dari dibangunnya data warehouse

adalah untuk menyediakan informasi bisnis kepada user-user untuk

dapat melakukan pengambilan keputusan secara cepat dan tepat.User

ini berinteraksi dengan warehouse melalui end-user access tools. Data

warehouse harus secara efisien mendukung secara khusus kebutuhan

user serta secara rutin melakukan analisis. Performa yang baik dapat

dicapai dengan merencanakan dahulu keperluan-keperluan untuk

melakukan joins,summations dan laporan-laporan per periode dengan

end-users.

Berdasarkan kategori yang dikemukakan oleh Berson dan Smith

terdapat lima grup utama dari tools tersebut, antara lain :

1. Reporting and query tools

2. Application development tools

3. Executive information System (EIS) tools

4. Online Analytical Processing (OLAP) tools

5. Data mining tools

Arsitektur dan infrastruktur dari data warehouse sangat erat

hubungannya dan satu dengan lainnya saling berkaitan.

III.3.2. Infrastruktur Data Warehouse

Infrastruktur data warehouse adalah software, hardware,

pelatihan dan komponen-komponen lainnya yang memberikan

dukungan yang dibutuhkan untuk mengimplementasikan data

warehouse(Poe).

22

Salah satu instrumen yang mempengaruhi keberhasilan

pengembangan data warehouse adalah pengidentifikasian arsitektur

mana yang terbaik dan infrasruktur apa yang dibutuhkan. Arsitektur

yang sama, mungkin memerlukan infrastruktur yang berbeda,

tergantung pada lingkunan perusahaan ataupun organisasi.

III.4. Struktur Data Warehouse

Seperti yang kita lihat sebelumnya pada arsitektur data warehouse,

ada beberapa struktur yang spesifik terdapat pada bagian warehouse

manager. Bagian tersebut merupakan struktur data warehouse.

Menurut Poe, Vidette, data warehouse memiliki struktur yang spesifik

dan mempunyai perbedaan dalam tingkatan detail data dan umur

data.

M E

T A D A T

A

23

Komponen dari struktur data warehouse adalah:

Current detail data

Current detail data merupakan data detil yang aktif saat

ini,mencerminkan keadaan yang sedang berjalan dan merupakan level

terendah dalam data warehouse. Didalam area ini warehouse

menyimpan seluruh detail data yang terdapat pada skema basis data.

Jumlah data sangat besar sehingga memerlukan storage yang besar

pula dan dapat diakses secara cepat. Dampak negatif yang ditimbulkan

adalah kerumitan untuk mengatur data menjadi meningkat dan biaya

yang diperlukan menjadi mahal.

Berikut ini beberapa alasan mengapa current detail data menjadi

perhatian utama :

1. Menggambarkan kejadian yang baru terjadi dan selalu

menjadi perhatian utama

2. Sangat banyak jumlahnya dan disimpan pada tingkat

penyimpanan terendah.

3. Hampir selalu disimpan dalam storage karena cepat di

akses tetapi mahal dan kompleks dalam pengaturannya.

4. Bisa digunakan dalam membuat rekapitulasi sehingga

current detail data harus akurat.

Older detail data

Data ini merupakan data historis dari current detail data,

dapat berupa hasil cadangan atau archive data yang disimpan

dalam storage terpisah. Karena bersifat back-up(cadangan),

maka biasanya data disimpan dalam storage alternatif seperti

tape-desk.

Data ini biasanya memilki tingkat frekuensi akses yang

rendah. Penyusunan file atau directory dari data ini di susun

berdasarkan umur dari data yang bertujuan mempermudah

untuk pencarian atau pengaksesan kembali.

24

Lighlty summarized data

Data ini merupakan ringkasan atau rangkuman dari current

detail data. Data ini dirangkum berdasar periode atau dimensi

lainnya sesuai dengan kebutuhan.

Ringkasan dari current detail data belum bersifat total

summary.Data-data ini memiliki detil tingkatan yang lebih tinggi

dan mendukung kebutuhan warehouse pada tingkat

departemen. Tingkatan data ini di sebut juga dengan data mart.

Akses terhadap data jenis ini banyak digunakan untuk view

suatu kondisi yang sedang atau sudah berjalan.

Highly summarized data

Data ini merupakan tingkat lanjutan dari Lightly

summarized data, merupakan hasil ringkasan yang bersifat

totalitas, dapat di akses misal untuk melakukan analisis

perbandingan data berdasarkan urutan waktu tertentu dan

analisis menggunakan data multidimensi.

Metadata

Metadata bukan merupakan data hasil kegiatan seperti

keempat jenis data diatas. Menurut Poe, metadata adalah ‘data

tentang data’ dan menyediakan informasi tentang struktur data

dan hubungan antara struktur data di dalam atau antara

storage(tempat penyimpanan data).

Metadata berisikan data yang menyimpan proses

perpindahan data meliputi database structure,contents,detail

data dan summary data, matrics,versioning, aging

criteria,versioning, transformation criteria. Metadata khusus dan

memegang peranan yang sangat penting dalam data

warehouse.

Metadata sendiri mengandung :

25

Struktur data

Sebuah direktori yang membantu user untuk melakukan

analisis Decission Support System dalam pencarian

letak/lokasi dalam data warehouse.

Algoritma

Algoritma digunakan untuk summary data. Metadata sendiri

merupakan panduan untuk algoritma dalam melakukan

pemrosesan summary data antara current detail data dengan

lightly summarized data dan antara lightly summarized data

dengan hightly summaried data.

Mapping

Sebagai panduan pemetaan(mapping) data pada saat data di

transform/diubah dari lingkup operasional menjadi lingkup

data warehouse.

III.5 Metodologi Perancangan Database untuk Data

Warehouse

Menurut Kimball ada sembilan tahap metodologi dalam

perancangan database untuk data warehouse, yaitu :

Langkah 1 : Pemilihan proses

Data mart yang pertama kali dibangun haruslah data mart

yang dapat dikirim tepat waktu dan dapat menjawab semua

pertanyaan bisnis yang penting

Pilihan terbaik untuk data mart yang pertama adalah yang

berhubungan dengan sales, misal property sales, property

leasing,property advertising.

Langkah 2 : Pemilihan sumber

26

Untuk memutuskan secara pasti apa yang diwakili atau

direpresentasikan oleh sebuah tabel fakta.

Misal, jika sumber dari sebuah tabel fakta properti sale

adalah properti sale individual maka sumber dari sebuah

dimensi pelanggan berisi rincian pelanggan yang membeli

properti utama

Langkah 3 : Mengidentifikasi dimensi

Set dimensi yang dibangun dengan baik, memberikan

kemudahan untuk memahami dan menggunakan data

mart

Dimensi ini penting untuk menggambarkan fakta-fakta

yang terdapat pada tabel fakta

Misal, setiap data pelanggan pada tabel dimensi pembeli

dilengkapi dengan

id_pelanggan,no_pelanggan,tipe_pelanggan,tempat_ting

gal, dan lain sebagainya.

Jika ada dimensi yang muncul pada dua data mart,kedua

data mart tersebut harus berdimensi sama,atau paling

tidak salah satunya berupa subset matematis dari yang

lainnya.

Jika sebuah dimensi digunakan pada dua data mart atau

lebih,dan dimensi ini tidak disinkronisasi,maka

keseluruhan data warehouse akan gagal, karena dua data

mart tidak bisa digunakan secara bersama-sama

Langkah 4 : Pemilihan fakta

Sumber dari sebuah tabel fakta menentukan fakta mana

yang bisa digunakan dalam data mart.

Semua fakta harus diekspresikan pada tingkat yang telah

ditentukan oleh sumber

27

Langkah 5 : Menyimpan pre-kalkulasi di tabel fakta

Hal ini terjadi apabila fakta kehilangan statement

Langkah 6 : Melengkapi tabel dimensi

Pada tahap ini kita menambahkan keterangan selengkap-

lengkapnya pada tabel dimensi

Keterangannya harus bersifat intuitif dan mudah

dipahami oleh pengguna

Langkah 7 : Pemilihan durasi database

Misalnya pada suatu perusahaan asuransi, mengharuskan

data disimpan selama 10 tahun atau lebih

Langkah 8 : Menelusuri perubahan dimensi yang perlahan

Ada tiga tipe perubahan dimensi yang perlahan, yaitu :

o Tipe 1. Atribut dimensi yang telah berubah tertulis

ulang

o Tipe 2. Atribut dimensi yang telah berubah

menimbulkan sebuah dimensi baru

o Tipe 3. Atribut dimensi yang telah berubah

menimbulkan alternatif sehingga nilai atribut lama

dan yang baru dapat diakses secara bersama pada

dimensi yang sama.

Langkah 9 : Menentukan prioritas dan mode query

Pada tahap ini kita menggunakan perancangan fisik.

Dengan langkah-langkah tadi, seharusnya kita bisa membangun

sebuah data warehouse yang baik.

28

III.6. Model untuk Data Warehouse

Berikut di bawah ini adalah penjelasan dari model untuk data

warehouse

III.6.1. Model Dimensional

Model dimensional merupakan rancangan logikal yang bertujuan

untuk menampilkan data dalam bentuk standar dan intuitif yang

memperbolehkan akses dengan performa yang tinggi.

Model dimensional menggunakan konsep model hubungan antar

entity (ER) dengan beberapa batasan yang penting. Setiap model

dimensi terdiri dari sebuah tabel dengan sebuah komposit primary

key, disebut dengan table fakta, dan satu set table yang lebih kecil

disebut table dimensi. Setiap table dimensi memiliki sebuah simple

primary key yang merespon tepat pada satu komponen primary key

pada tabel fakta. Dengan kata lain primary key pada table fakta

terdiri dari dua atau lebih foreign key. Struktur karakteristik ini

disebut dengan skema bintang atau join bintang.

Fitur terpenting dalam model dimensional ini adalah semua

natural keys diganti dengan kunci pengganti(surrogate keys).

Maksudnya yaitu setiap kali join antar table fakta dengan table

dimensi selalu didasari kunci pengganti. Kegunaan dari kunci

pengganti adalah memperbolehkan data pada data warehouse untuk

memiliki beberapa kebebasan dalam penggunaan data, tidak seperti

halnya yang diproduksi oleh sistem OLTP.

Sebuah sistem OLTP memerlukan normalisasi untuk mengurangi

redudansi, validasi untuk input data, mendukung volume yang besar

dari transaksi yang bergerak sangat cepat. Model OLTP sering terlihat

29

seperti jaring laba-laba yang terdiri atas ratusan bahkan ribuan tabel

sehingga sulit untuk dimengerti.

Sebaliknya, dimension model yang sering digunakan pada data

warehouse adalah skema bintang atau snowflake yang mudah

dimengerti dan sesuai dengan kebutuhan bisnis, mendukung query

sederhana dan menyediakan performa query yang superior dengan

meminimalisasi tabel-tabel join. Berikut contoh perbandingan

diagram antara model data OLTP dengan dimension table data

warehouse :

Model data OLTP

30

Dimension Model

III.6.2.1. Schema Bintang

Skema bintang merupakan struktuk logikal yang memiliki tabel

fakta yang terdiri atas data faktual ditengahnya, dan dikelilingi oleh

tabel-tabel dimensi yang berisi referensi data.

31

Jenis-jenis Skema Bintang

1. Skema bintang sederhana

Dalam skema ini, setiap table harus memiliki primary key

yang terdiri dari satu kolom atau lebih.

Primary key dari table fakta terdiri dari satu atau lebih

foreign key.Foreign key merupakan primary key pada table

lain.

2. S

kema bintang dengan banyak table fakta

Skema bintang juga bisa terdiri dari satu atau lebih table

fakta. Dikarenakan karena table fakta tersebut ada banyak,

misalnya disamping penjualan terdapat table fakta

forecasting dan result. Walaupun terdapat lebih dari satu

table fakta, mereka tetap menggunakan table dimensi

bersama-sama.

32

Adapun ketentuan dalam pembacaan skema bintang adalah :

Bagian yang ada di bawah judul tabel merupakan kolom-

kolom tabel tersebut

Primary key dan Foreign key diberi kotak

Primary key diarsir sedang Foreign key yang bukan primary

tidak

Foreign key yang berhubungan ditunjukkan dengan garis

yang menghubungkan tabel.

Kolom yang bukan kunci disebut kolom data pada table fakta

dan atribut pada table dimensi

III.6.2.3 Snowflake Schema

Merupakan varian dari skema bintang dimana table-table

dimensi tidak terdapat data yang di denormalisasi. Dengan kata

lain satu atau lebih table dimensi tidak bergabung secara

langsung kepada table fakta tapi pada table dimensi lainnya.

Sebagai contoh, sebuah dimensi yang mendeskripsikan produk

33

dapat dipisahkan menjadi tiga table (snowflaked) seperti contoh

dibawah ini :

Snowflake Schemes

III.6.2.4. Star atau Snowflake

Keduanya merupakan model-model dimensional,

perbedaannya terletak pada implementasi fisikal. Skema

snowflake memberi kemudahan pada perawatan dimensi,

dikarenakan strukturnya yang lebih normalisasi. Sedangkan

skema bintang lebih efisien serta sederhana dalam membuat

query dan mudah diakses secara langsung oleh pengguna.

Adapun starflake merupakan gabungan diantara keduanya.

Keuntungan menggunakan masing-masing model tersebut dalam

data warehouse antara lain :

Efisien dalam hal mengakses data

Dapat beradaptasi terhadap kebutuhan-kebutuhan user

Bersifat fleksibel terhadap perubahan yang terjadi

khususnya perubahan yang mengarah pada

perkembangan

34

Memiliki kemampuan dalam memodelkan situasi bisnis

secara umum

Meskipun skema yang dihasilkan sangat kompleks, tetapi

pemrosesan query dapat diperkirakan, hal ini dikarenakan

pada level terendah, setiap table fakta harus di query

secara independen.

35

BAB IV

Hubungan Data Warehouse Dengan DSS

IV.1. Definisi Decision Support System

Istilah dari decision support system telah digunakan dengan banyak cara

(Alter 1980) dan menerima banyak definisi yang berbeda menurut pandangan

dari sang penulis (Druzdzel dan Flynn 1999). Finlay (1994) dan lainnya

mendefiniskan DSS kurang lebih sebagai sebuah sistem berbasis komputer

yang membantu dalam proses pengambilan keputusan.

Turban (1995) mendefinisikan secara lebih spesifik dengan, sesuatu

yang interaktif,flexible dan dapat menyesuaikan diri(adaptable) dari sistem

informasi berdasarkan komputer, khususnya pengembangan untuk

mendukung pemecahan masalah dari non-struktur management, untuk

meningkatkan pengambilan keputusan. Dengan menggunakan data,

mendukung antar muka yang mudah digunakan dan memberikan wawasan

untuk sang pengambil keputusan.

Definisi lainnya bisa jadi gugur dibandingkan dengan dua pandangan

ekstrim berikut, Keen dan Scott Morton (1978), DSS adalah dukungan

berdasar kan komputer untuk para pengambil keputusan management yang

berurusan dengan masalah semi-struktur. Sprague dan Carlson (1982), DSS

adalah sistem berdasarkan komputer interaktif yang membantu para

pengambil keputusan menggunakan data dan model-model untuk

memecahkan masalah yang tak terstruktur(unstructured problem). Menurut

Power (1997), istilah DSS mengingatkan suatu yang berguna dan istilah

inklusif untuk banyak jenis sistem informasi yang mendukung pembuatan

pengambilan keputusan. Dia dengan penuh humor menambahkan bahwa jika

suatu sistem komputer yang bukan OLTP, seseorang akan tergoda untuk

menyebutnya sebagai DSS.

36

Seperti yang kita lihat, DSS memiliki banyak arti dengan maksud yang

kurang lebih hampir sama, yaitu suatu sistem komputer yang berguna bagi

para pengambil keputusan untuk memecahkan masalah mereka yang kurang

lebih berhadapan dengan masalah non-struktur atau semi-struktur.

IV.2. Hubungan antar DSS dengan Data Warehouse

Setelah kita lihat dan selami tentang data warehouse, kita dapat

menyimpulkan bahwa data warehouse adalah sebuah model database yang

berguna untuk menyimpan dan memproses data dengan pendekatan kepada

kegunaan data dalam pengambilan keputusan bagi EIS atau DSS.

Sebuah DSS (tergantung dengan yang disupport-nya)membutuhkan

data warehouse agar dapat menjalankan kerjanya dengan baik. Dan memang

data warehouse sendiri dibangun untuk memenuhi kebutuhan DSS.

IV.3. Contoh Data Warehouse Yang Ada

Contoh dari data warehouse yang digunakan bersamaan dengan DSS,

misalkan saja pegawai peminjaman bank memverikasi data peminta pinjaman

atau suatu perusahaan engineer melakukan tawar menawar dalam beberapa

project dan ingin tahu jika dia bisa kompetitive dalam harga terhadap para

pesaingnya.

Contoh yang lain masih lebih banyak lagi, yang kesemuanya

membutuhkan kecepatan dalam pengambilan keputusan dan kemudahan

dalam penggunaannya.

37

Bab V

Kesimpulan dan Penutup

V.1. Kesimpulan

Data warehouse merupakan suatu cara/metode dari suatu database

yang berorientasi kepada subjek, non-volatile, time-variance dan

terintegrasi yang digunakan untuk mempermudah para pengambil

keputusan dalam memecahkan masalah.

Keberadaan data warehouse sangat penting sebagai tools dari DSS,

karena data warehouse memang digunakan untuk itu. Dengan adanya

data warehouse, diharapkan suatu perusahaan dapat lebih unggul dari

kompetitornya dan lebih jeli lagi dalam melihat peluang pasar.

38

Daftar Pustaka

http://en.wikipedia.org/wiki/Decision_support_system

Conolly,Thomas dan Begg Carolyn(2002). Database systems – A Practical

Approach to Design, Implementation and Management, edisi-3. Addison

Wesley Longman.Inc., USA

Fatansyah(2002). Buku Teks Ilmu Komputer – Basis Data, cetakan-4.

Informatika

Inmon, W.H.(2002). Building the Data Warehouse,edisi-3. Wiley Computer

Publishing.

Kimball,R.,Merz, R (1998). The Data Warehouse Lifecycle Toolkit. Expert

Methods for Designing, Developing and Deploying Data Warehouses. Wiley

Computer Publishing, Canada.

Mcleod,Raymond(1996). Sistem Informasi Manajemen, Jilid-1. Terjemahan

Teguh,H. PT. Prenhallindo, Jakarta.

Nolan,Sean And Huguelet, Tom(2000).Microsoft SQL Server 7.0 Data

Warehousing Training Kit. Microsoft Prees, USA

Poe, Vidette(1998). Building Data Warehouse for Decision Support, edisi-2.

Prentice Hall.